窄带高斯随机过程的产生

合集下载

2.5 窄带随机过程

2.5 窄带随机过程

可见, 服从均匀分布。
第2章
随机过程
结论:
其包络aξ(t)的一维分布是瑞利分布,相位 t 的一维分布 t 是均匀分布,并且就一维分布而言,aξ(t)与 是统计独立 一个均值为零,方差为 2 的窄带平稳高斯过程 ξ(t) ,
的,即有下式成立:
f (a , ) f (a ) f ( )
s (t ) a (t ) sin (t )
第2章
随机过程
2.5.1同相和正交分量的统计特性 t 的统计特性可由 a t , t 或c t , s t 的统计特性
确定。反之亦然。 1. 数学期望 2 设窄带过程是平稳高斯窄带过程,且均值为0,方差为 。 对式(2.5 - 2)求数学期望: E[ (t )] E[c (t )]cos ct E[s (t )]sin ct (2.5-5) 因为已设ξ(t)平稳且均值为零,那么对于任意的时间t,都有E [ξ(t)]=0,所以由式(2.5-5)可得
E[ c (t )] 0 E[ s (t )] 0
(2.5-6)
第2章
随机过程
2. 自相关函数
R (t, t ) E[ (t ) (t )]
E{[ c (t ) cosc t s (t ) sin c t ]
[ c (t ) cosc (t ) s (t ) sin c (t )]}
第2章
随机过程
另外,因为ξ(t)是平稳的,所以ξ(t)在任意时刻的取值都
是服从高斯分布的随机变量, 故在式(2.5 - 2)中有
t t1 0 时, (t1 ) c (t1 )
t t2 时, (t2 ) s (t2 ) 2c

第五章 窄带系统和窄带随机过程

第五章  窄带系统和窄带随机过程

图5-2 窄带系统包络线
§5.1.1 窄带-对称网络的包络线定理 线性系统的冲激响应函数 变化域 时间域: (1) 单个元器件的传递函数 函数 ; (2) 拉普拉斯反变换
R
L
系统的传递
C
窄带系统冲激响应
窄带-对称系统的包络定理
窄带-对称系统的包络定理: 1) 求解出系统传递函数 的零-极点形式;
包络检波器
宽带随 机信号
高频窄带 系统
理想带通限幅器
低通网络
接收机
§5.3窄带随机过程的包络和相位分 布
准正弦振荡表示:
包络服从 瑞丽分布
相位服从等 概率分布
同一时刻,包络和 相位是相互独立
§5.4 窄代随机信号包络线的自相关特 性
R L
拖尾
C
具有相关性:
1.衰减因子 越长; ,衰减越快, 的拖尾(尾迹)
传递函数雷达系统发送机接收机hpflpf第五章窄带系统和窄带随机过程窄带系统窄带随机过程的一般概念窄带随机过程包络和相位分布窄带随机过程包络线的自相关特性正弦信号叠加窄带高斯噪声的合成振幅分布51窄带系统511窄带系统及其包络线特性一窄带系统只允许靠近中心频率附近很窄范围的频率成分通过的系统称为窄带系统
C
解 (1) 电路的传输函数
电路的品质因数>>1
2)画出
的“极点分布图”,得到
极点分布图;
3)对 其中
取拉氏反变换,得到
4)由
恢复
§5.2 窄带随机过程的一般概念
§5.2.1 定义 平稳随机过程
,若其功率谱密度函数

则称此随机过程为平稳随机过程。
窄带高通滤波器
§5.2.2 窄带随机过程表示为准正弦振荡

第6章 窄带随机过程

第6章 窄带随机过程

Z (t ) B(t ) cos[ (t )], 其中 B( t ) 0, ( t ) t ( t ) 。 0
上 海 大 学 通 信 学 院
表达式1: Z ( t ) B( t ) cos[ 0 t ( t )],
B( t ) 0, ( t ) 0 t ( t ) 表达式2: Z ( t ) X ( t ) cos 0 t Y ( t ) sin 0 t
上 海 大 学 通 信 学 院
二、解析信号与希尔伯特变换*
1. 解析信号的引入
S ( f ) s(t )e j 2 f t dt R( f ) jI ( f ) 时域实信号S(t)

S ( f )满足共轭对称性,即,
R( f ) R( f ), 偶函数 S ( f ) S ( f ) I ( f ) I ( f ), 奇函数

上 海 大 学 通 信 学 院
2.解析信号的构造
对给定的时域实信号s(t),设构造的时域复信号为
ˆ(t ) z( t ) s( t ) js
ˆ(t ) 为一由s(t)构造的信号,其构造方法可为, 其中,s
s( t )
即,
h( t )
ˆ s( t )
z( t ) s( t ) js( t ) h( t )
ˆ ( t ) 的互相关函数满足: X

T
T
R X ( t , t )dt
性质5. 平稳随机过程X(t)和其对应的Hilbert变换
ˆ ( ) ˆ RX X ( ) R ( ), R ( ) R ˆ ˆ X X XX
上 海 大 学 通 信 学 院

一种窄带高斯白噪声的生成与实现方法

一种窄带高斯白噪声的生成与实现方法

一种窄带高斯白噪声的生成与实现方法窄带高斯白噪声是一种在频率范围较窄的情况下服从高斯分布的信号。

在通信系统中,窄带高斯白噪声经常用于模拟真实的通信环境以进行性能测试。

生成窄带高斯白噪声的一种简单方法是通过随机过程模拟。

下面将详细介绍生成与实现这种噪声的方法。

1.窄带高斯白噪声的特点:窄带高斯白噪声具有以下特点:-平稳性:在时间上是平稳的,即任意时刻的统计特性与时间无关。

-高斯性:噪声样本服从高斯分布,即符合正态分布。

-白噪声:在频率上是平坦的,即在所有频率上的功率谱密度相等。

2.实现窄带高斯白噪声的步骤:为了实现窄带高斯白噪声,我们可以按照以下步骤进行:-生成高斯分布的白噪声信号。

-通过一个窗函数将信号限制在指定的频带内。

接下来对每个步骤进行详细说明。

2.1.生成高斯分布的白噪声信号:生成服从高斯分布的白噪声信号可以通过伪随机数生成器来实现。

伪随机数生成器可以产生类似于高斯分布的随机数,我们可以利用这个特性来生成噪声信号。

生成随机数时需要注意选择合适的随机数生成算法,如Box-Muller变换等。

2.2.通过窗函数限制信号频带:生成的白噪声信号在频率上是平坦的,为了将其转换为窄带的噪声信号,我们需要通过一个窗函数来限制信号的频带。

常用的窗函数有矩形窗、汉宁窗、布莱克曼窗等。

矩形窗函数是一种简单的窗函数,它在指定的频带内给予信号全功率,在其他频带内给予信号零功率。

这样,只要我们选择一个合适的频带,并对生成的白噪声信号进行截断操作,就能获得窄带信号。

在Python中,我们可以使用NumPy和SciPy库中的函数来实现窄带高斯白噪声的生成。

以下是一个简单的示例代码:```pythonimport numpy as npfrom scipy.signal import windows#生成高斯白噪声信号#选择窗函数window = windows.hann(100)#对信号进行窗函数处理,限制在指定的频带内narrowband_noise = white_noise[:100] * window#打印信号的功率谱密度power_spectrum_density =np.abs(np.fft.fft(narrowband_noise))**2print(power_spectrum_density[:50]) # 前50个频率点的功率谱密度```总结:窄带高斯白噪声的生成与实现方法主要包括生成高斯分布的白噪声信号和通过窗函数限制信号频带。

09第八章窄带随机过程

09第八章窄带随机过程

4S (w) w 0 (t)的 功 率 谱 密 度 S (w) X 5) 解 析 过 程 X X w 0 0 ˆ 解 : 已 知 R X ( ) 2[ R X ( ) jR X ( )], 等 式 两 边 做 傅 氏 变 换 可 得 : ˆ S X ( w ) 2[ S X ( w ) jS X ( w )] ˆ 其 中 , S X ( w ) j sgn( w ) S X ( w ) 所 以 : S X ( w ) 2[ S X ( w ) s g n ( w ) S X ( w )] 4SX (w) w 0 w 0 0
三、窄带随机过程的莱斯表达式
任 何 一 个 实 平 稳 随 机 过 程 X(t)都 可 以 表 示 为 : X ( t ) = ( t ) c o s w 0 t b ( t ) s in w 0 t 式 中 , 对 于 窄 带 随 机 过 程 来 说 , w 0一 般 为 窄 带 滤 波 器 的 中 心 频 率 。
( t ) , b ( t )为 另 外 两 个 随 机 过 程 。
ˆ ( t ) = X ( t ) c o s w 0t X ( t ) s i n w 0t ˆ b( t ) = - X ( t ) s i n w 0 t X ( t ) c o s w 0 t 证明:
证明: 若 X(t)为 实 随 机 过 程 , 则 其 解 析 过 程 为 : ˆ X ( t ) = X ( t ) jX ( t ) 用乘e
复随机过程
定义: 设{Xt, t∈T},{Yt, t∈T}是取实数值的两个随机过程,若对任意t∈T
Zt X
t
iY t
其中 i
1
,则称{Zt, t∈T}为复随机过程。

03第三讲:高斯过程、窄带过程

03第三讲:高斯过程、窄带过程
正交分量:
现在我们需要求 Zc(t)和Zs(t)的统计特性,即 f(Zc,Zs)=?
对于窄带高斯过程来说,同相分量和正交分量是不相关的,或 者也可以说是统计独立的,而对于正弦波+窄带高斯过程来说, 它仍然属于窄带的范畴,所以其同相分量和正交分量也是相互 独立的,而且也是高斯过程。
对于同相分量:
由此可得同相分量Zc(t)的概率密度函数,
(2)y1、y2是x1、x2的函数:y1=f1(x1,x2),y2=f2(x1,x2), 反函数:x1=g1(y1,y2), x2=g2(y1,y2),
如果已知x1,x2的pdf为f(x1,x2), 求:y1,y2的pdf,f(y1,y2)=? 解决此问题时,利用以下结论: f(y1,y2)=|J|f(x1,x2) |J|是Jacobi行列式,
窄带随机过程的带宽 固定不变,载波频率 变大时,频谱图向高 频处搬移,对应样函数的包络频率不变,但样函数波形的频率 变 大。载波频率 变小时,频谱图向低频处搬移,对应样函数的包络 频率不变,但样函数波形的频率 变小。
二、窄带过程的数学表示
1、用包络和相位的变化表示
窄带过程是功率谱限制在ωc附近的很窄范围内的一个随机过程, 过程中的
2

或erfc(x) 2 2( 2x)
2.6 窄带随机过程
一、引言
1.必要性:任何通信系统都有发送机和接收机,为了提高系 统的可靠性,即输出信噪比,通常在接收机的输入端接有一 个带通滤波器,信道内的噪声构成了一个随机过程,经过该 带通滤波器之后,则变成了窄带随机过程,因此,讨论窄带 随机过程的规律是重要的。
为了能够借助于数表(误差函数表,概率积分表) 来计算高斯分布 ,需要引入概率积分函数或者误 差函数(互补误差函数)

6.窄带随机过程的产生 - 随机信号分析实验报告

6.窄带随机过程的产生 - 随机信号分析实验报告

计算机与信息工程学院综合性实验报告一、实验目的1、基于随机过程的莱斯表达式产生窄带随机过程。

2、掌握窄带随机过程的特性,包括均值(数学期望)、方差、概率密度函数、相关函数及功率谱密度等。

3、掌握窄带随机过程的分析方法。

二、实验仪器或设备1、一台计算机2、MATLAB r2013a 三、实验内容及实验原理基于随机过程的莱斯表达式00()()cos ()sin y t a t t b t t ωω=- (3.1)实验过程框图如下:理想低通滤波器如图所示:图1 理想低通滤波器()20AH ∆ω⎧ω≤⎪ω=⎨⎪⎩其它(3.2) 设白噪声的物理谱0=X G N ω(),则系统输出的物理谱为 220=()=20Y X N AG H G ∆ω⎧0≤ω≤⎪ωωω⎨⎪⎩()()其它(3.3) 输出的自相关函数为:01()()cos 2Y Y R G d τωωτωπ∞=⎰ /221cos 2N A d ωωτωπ∆=⎰ (3.4) 20sin 242N A ωτωωτπ∆∆=⋅∆ 可知输出的自相关函数()Y R τ是一个振荡函数。

计算高斯白噪声x(t)、限带白噪声()a t 、()b t 及窄带随机过程()y t 的均值,并绘出随机过程各个随机过程的自相关函数,功率谱密度图形。

四、MATLAB 实验程序function random(p,R,C) %产生一个p 个点的随机过程%--------------------------高斯窄带随机过程代码--------------------------% n=1:p;w=linspace(-pi,pi,p); wn=1/2*pi*R*C;[b,a]=butter(1,wn,'low'); %产生低通滤波器Xt=randn(1,p); %产生p 个点均值为0方差为1的随机数,即高斯白噪声 at=filter(b,a,Xt); %让高斯白噪声通过低通滤波器y_at=at.*cos(w.*n); %产生随机过程a(t)y_bt=at.*sin(w.*n); %产生随机过程b(t)yt=y_at-y_bt; %产生一个p个点的高斯窄带随机过程subplot(211)plot(yt)title('高斯窄带随机过程y(t)')subplot(212)pdf_ft=ksdensity(yt) ;plot(pdf_ft)title('y(t)的概率密度图')disp('均值如下')E_Xt=mean(y_at)E_at=mean(y_at)E_bt=mean(y_bt)E_ft=mean(yt)%-----------------------自相关函数代码如下--------------------------% figure(2)R_Xt=xcorr(Xt); %高斯白噪声X(t)的自相关函数R_at=xcorr(at); %限带白噪声的自相关函数R_y_at=xcorr(y_at); %随机过程a(t).coswt的自相关函数R_y_bt=xcorr(y_bt); %随机过程b(t).coswt的自相关函数R_ft=xcorr(yt);subplot(2,2,1);plot(R_Xt);title('高斯白噪声的自相关函数R_Xt'); %并绘制图形subplot(2,2,2)plot(R_at);title('限带白噪声的自相关函数R_a_bx'); %并绘制图形subplot(2,2,3)plot(R_y_bt);title('随机过程b(t)的自相关函数R_y_bt');subplot(2,2,4)plot(R_ft);title('高斯窄带随机过程y(t)的自相关函数R_yt');%------------------------功率谱密度代码如下---------------------------% figure(3)subplot(1,2,1)periodogram(Xt);title('高斯白噪声功率谱密度S_Xt');subplot(1,2,2)periodogram(at);title('限带白噪声功率谱密度S_a_bt');figure(4)subplot(3,1,1)periodogram(y_at);title('随机过程a(t).coswt概率密度概率密度S_y_at');subplot(3,1,2)periodogram(y_bt);title('随机过程b(t).sinwt功率谱密度S_y_bt');subplot(3,1,3);periodogram(yt);title('高斯窄带随机过程y(t)的功率谱密度S_yt');五、实验结果将上述random 函数放在Path 中后,在Commaod Window 中输入:random(1000,10,0.001)时,输出结果如下:01002003004005006007008009001000-0.50.5高斯窄带随机过程y(t)0102030405060708090100246y(t)的概率密度图0500100015002000-50005001000高斯白噪声的自相关函数R X t 0500100015002000-101020限带白噪声的自相关函数R ab x 0500100015002000-50510随机过程b(t)的自相关函数R yb t 0500100015002000-101020高斯窄带随机过程y(t)的自相关函数R y t00.51-40-30-20-10010Normalized Frequency (⨯π rad/sample)P o w e r /f r e q u e n c y (d B /r a d /s a m p l e )高斯白噪声功率谱密度S X t 00.51-80-60-40-200Normalized Frequency (⨯π rad/sample)P o w e r /f r e q u e n c y (d B /r a d /s a m p l e )限带白噪声功率谱密度S ab t0.10.20.30.40.50.60.70.80.91-80-60-40-200Normalized Frequency (⨯π rad/sample)P o w e r /f r e q u e n c y (d B /r a d /s a m p l e )随机过程a(t).coswt 概率密度概率密度S ya t00.10.20.30.40.50.60.70.80.91-60-40-200Normalized Frequency (⨯π rad/sample)P o w e r /f r e q u e n c y (d B /r a d /s a m p l e )随机过程b(t).sinwt 功率谱密度S yb t0.10.20.30.40.50.60.70.80.91-50-40-30-20-10Normalized Frequency (⨯π rad/sample)P o w e r /f r e q u e n c y (d B /r a d /s a m p l e )高斯窄带随机过程y(t)的功率谱密度S y t在Commaod Window 中输出的结果如下:E_Xt = 0.0020 E_at= 0.0020 E_bt= -0.0020 E_ft = 0.0040六、实验结果分析:1、由于高斯白噪声Xt是标准正态的,所以均值趋近于零,而at,bt是由Xt通过一个线性系统(低通滤波器)得到的,所以输出均值不变,仍为零,从程序运行结果可以看出,Xt,at,bt均值都趋近于零。

第5章 高斯随机过程

第5章 高斯随机过程
C 11 C 21 C= M C n1 C 12 C 22 M Cn2
T
协方差矩阵为
L L L
j
C1n C2n M C nn

其中
C ij = cov( x i , x j ) = rijσ iσ
一、多维高斯随机变量
3、n维分布 n维高斯分布的概率密度为
1 n n n φn (v1, v2 ,L, vn ; t1, t2 ,L, tn ) = exp j ∑ ai vi − ∑∑CX (ti , tk )vi vk 2 i =1 k =1 i =1
E[ X 2 (t )] < ∞
三、窄带平稳实高斯随机过程
一个零均值的窄带实平稳随机过程可表示为
τ = t1 − t 2
三、窄带平稳实高斯随机过程
可得二维联合概率密度为
p(a1 , a2 ;ϕ1 , ϕ2 ) =
a1a2 4π 2 C
exp{− 12
1 2C
[σ x2 (a12 + a22 ) − 2a(τ )a1a2 cos(ϕ2 −ϕ1 )]} 12
式中
0 ≤ ϕ 1 , ϕ 2 ≤ 2π
1 T −1 exp − (x − a) C (x − a) 1 2 2 C
若X(t)为平稳过程,则
ai = E[ X (ti )] = a
σ i 2 = D[ X (ti )] = σ 2
二、高斯随机过程
高斯过程是二阶矩过程 严格平稳和广义平稳等价 相互独立和互不相关等价 特征函数
= exp j (a1v1 + a2 v2 ) − (σ1 v1 + 2rσ1v1σ 2 v2 + σ 2 v2 ) 2
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

(1) 根据时长 Td 确定 f 0 1/ Td ,根据功率谱的带宽确定 M [ B / f 0 ] ;
G ( f )df ; (2) 计算系数 G (kf )
B M x k M x 0
B
(3) 产生 2M+1 独立的高斯随机变量 X k ~ N (0, Gx (kf0 )) ; (4)构建时域样本函数 X (it ) 2. 窄带随机过程的产生方法
得P2=11.09 则
P1 2196.6 198.05 P2 11.09
(3) 产生 2M+1 独立的高斯随机变量 X k ~ N (0, Gx (kf0 ))
for i=1:61 sigma(i)=sqrt(beta*P20(i)); %x(i)=normrnd(0,sigma(i)); x(i)=sigma(i)*randn(1); end

B
B
Gx ( f )df ,用 matlab 的数值积分进行计算:
syms f real P1=int(1/(1+(f/1000)^4),-3000,3000) P1=vpa(P1,5);
得P1=2196.9 然后计算
k M
G (kf
x
Mห้องสมุดไป่ตู้
0
):
k=-M:M; for i=1:61 P20(i)=1/(1+(f1*k(i)/deltaf)^4); end P2=sum(P20);
(4)构建时域样本函数 X [i ] X (it )
k
X (k )e

j 2 f 0 k ( it ))
取 t 0.00001,也就是 0.5ms 的 1/ 500 。
deltat=0.00001; for n=1:501 for m=1:61 a(n,m)=x(m)*exp(j*2*pi*f1*k(m)*n*deltat); end h(n)=sum(real(a(n,:))); end
k
X (k )e

j 2 f 0 k ( it ))

X (t ) Ac (t ) cos 2 f 0t As (t ) sin 2 f 0t
用相同估计方法产生两次窄带高斯序列,分别为 Ac (t ) 和 As (t ) ,再带入上式与载 波相乘并作变换,就得到了窄带随机过程。
50 0 -50 0 0.5 1 1.5 2 2.5 t(ms) 3 3.5 4 4.5 5
图 3 模拟产生的相互独立的 Ac (t ) 和 As (t ) 按照题目要求,用两个正交的载波信号进行调制,并画出调制后的图像:
figure(3) f0=1000/pi; X=Ac.*cos(2*pi*f0*t)-As.*sin(2*pi*f0*t); plot(t,X); xlabel('t(ms)') ylabel('fo(t)')
cos2 f 0t
Ac (t )

sin2 f 0t
图 1 带通高斯随机过程产生

X (t )
As (t )
假定 Ac (t ) 和 As (t ) 的功率谱密度均为 Gc ( f ) Gs ( f )
1 ,其中 f 为功 1 ( f / f ) 4
率谱密度的 3dB 带宽。按照频域法或时域滤波器法分别产生 5ms 的低通过程 Ac (t ) 和
200 100
fo(t)
0 -100 -200 0 0.5 1 1.5 2 2.5 t(ms) 3 3.5 4 4.5 5
图 4 调制信号
用 fft 对调制信号进行频谱分析,作出调制信号的频谱图:
1 0.8 0.6 0.4 0.2
X(w)
-800
-600
-400
-200
0 f(Hz)
200
400
600
800
图 5 调制信号频谱图 可以看出,调制信号是一个窄带高斯随机过程,该过程是带通的,中心频率即为载 波频率,且带宽很窄。
四、心得体会
这次用 Matlab 实现窄带高斯随机过程,让我对课本上的相关知识有了一定的实践 应用体会,一是通过功率谱密度可以估计出一定时长的高斯随机噪声,二是经过载波信 号的调制高斯噪声保持了窄带特性,最后调制信号是一个带通的过程,符合课本上的理 论。但是也出现了一些问题,比如在估计有限长高斯噪声时用频域法估计,对公式的理 解程度还不够。没有进一步用时域滤波法产生来验证之前的估计。
作出功率谱密度图像、模拟出的高斯随机过程图像:
1
PSD
0.5
0 -8000
-6000
-4000
-2000 0 2000 frequency(Hz)
4000
6000
8000
100 50 0 -50 0 0.5 1 1.5 2 2.5 t(ms) 3 3.5 4 4.5 5
X(t)
图 2 给定的功率谱密度函数及模拟产生的窄带高斯随机过程
三、实验结果与分析
(一). 相关高斯随机序列的产生
由题目要求,产生一段 5ms 的低通过程 Ac (t ) 和 As (t ) 。 (1) 这里 Td 5ms ,故 f 0 200Hz ,取 B 6f ,其中 f 1kHz ,则有 M (2) 计算系数 : 首先计算
30.
(二). 窄带高斯随机过程的产生
用同样的方法计算,就得到了两个相互独立的高斯随机过程 Ac (t ) 和 As (t ) 。作 出功率 Ac (t ) 和 As (t ) 的图像:
100
Ac(t)
50 0 -50 0 0.5 1 1.5 2 2.5 t(ms) 3 3.5 4 4.5 5
100
As(t)
本 科 实 验 报 告
实验名称:
窄带高斯随机过程的产生
一、实验内容
本实验模拟产生一段时长为 5ms 的窄带高斯随机过程 X (t ) 的样本函数。根据窄带随机 过程的理论, X (t ) 可以表示为
X (t ) Ac (t )cos2 f 0t As (t )sin2 f 0t
其中 Ac (t ) 和 As (t ) 均为低频的高斯过程,因此,要模拟产生 X (t ) ,首先要产生两个 相互独立的高斯随机过程 Ac (t ) 和 As (t ) ,然后用两个相互正交载波 cos2 f 0t 和 sin2 f 0t 进行调制,如图 1 所示。
作出其中 Ac (t ) 的频谱图如下:
1 0.8
Xact(w)
0.6 0.4 0.2
-500
-400
-300
-200
-100
0 f(Hz)
100
200
300
400
500
图 4 Ac (t ) 频谱图
可以看出, Ac (t ) 是一个低频慢变化的随机过程。 将得到的 Ac (t ) 和 As (t ) 带入 X (t ) Ac (t ) cos 2 f 0t As (t ) sin 2 f 0t ,得到序 列并作图如下:
As (t ) ,然后按图 5.21 合成 X (t ) ,其中 f 0 1000 / ,要求分别画出模拟产生的
Ac (t )、As (t ) 以及 X (t ) 的波形。
二、实验原理
(1)相关高斯随机过程的产生 模拟一个时长为 Td 的高斯随机过程机过程的一个样本函数 X(t),要求功率谱密度满足指 定的形式。步骤为:
相关文档
最新文档